Ich entwickle seit über 25 Jahren Software, die meiste Zeit davon Enterprise-Systeme: B2B-Portale, Backoffice-Anwendungen und seit einigen Jahren sicherheitskritische Infrastruktur. Und ich arbeite inzwischen jeden Tag mit KI-Agenten. Privat baue ich damit ganze Anwendungen allein, von der Architektur bis zum Deployment, in einem Tempo, das vor drei Jahren undenkbar war.
Dieser Text ist also kein Text gegen KI. Er ist ein Text gegen eine Verwechslung, die mir gerade überall begegnet: die Verwechslung von Code erzeugen mit ein System verantworten. Wie Sprachmodelle hinter solchen Agenten grundsätzlich arbeiten, erklärt Wie funktioniert ein Sprachmodell?. Hier geht es um die Praxis.
Der Reiz des Neuanfangs
Jedes System, das sieben oder acht Jahre im Einsatz ist, sieht von außen nicht schön aus. Die Oberfläche wirkt altmodisch, manche Teile sind historisch gewachsen, und wer neu draufschaut, denkt sich: Das könnte man heute in ein paar Wochen sauber neu bauen.
Mit KI-Agenten scheint dieser Gedanke plötzlich realistisch. Ein paar Prompts, ein paar Nächte, und schon steht eine moderne Oberfläche, die in der Demo alles kann, was man ihr zeigt. Genau da liegt das Problem: in der Demo, und alles, was man ihr zeigt.
Was ein altes System weiß
Ein System, das jahrelang im Betrieb ist, ist nicht nur Code. Es ist ein Archiv von Entscheidungen, die irgendwann jemand aus gutem Grund getroffen hat:
- Sonderfälle, die nur bei einem einzigen Kunden auftreten, dort aber geschäftskritisch sind.
- Bugfixes, deren Ursache niemand mehr kennt, die aber verhindern, dass ein bestimmter Fehler zurückkommt.
- Eigenheiten von Gegenstellen: Geräte, Clients und Fremdsysteme, die einen Standard eigenwillig auslegen. Die Spezifikation sagt A, die Realität macht B, und der Code kann beides.
- Berechtigungslogik, die über Jahre an echte Organisationsstrukturen angepasst wurde.
- Kompatibilitäten, auf die sich andere Systeme verlassen, oft ohne dass das irgendwo dokumentiert ist.
Nichts davon steht in einem Ticket, und nichts davon sieht man in einer Oberfläche. Ein Agent, der ein System neu baut, kennt davon nur das, was man ihm sagt. Und man kann ihm nur sagen, was man selbst weiß.
Eine neue Oberfläche zu erzeugen ist einfach. Ein bestehendes System vollständig zu ersetzen, ist eine völlig andere Aufgabe.
Wo KI-Agenten wirklich glänzen
Aus eigener Erfahrung ist das hier kein theoretisches Lob:
- Prototypen und Proof of Concepts entstehen in Stunden statt in Wochen.
- Boilerplate, Formulare, Datenmodelle und einfache Verwaltungsmasken schreiben Agenten zuverlässig.
- Tests, Refactorings und Erklärungen zu fremdem Code gehen deutlich schneller.
- Ein erfahrener Entwickler mit guten Agenten hat heute die Durchschlagskraft eines kleinen Teams.
Der entscheidende Teil des letzten Satzes ist: ein erfahrener Entwickler. Agenten verstärken das, was man mitbringt. Gute Architektur wird schneller gute Architektur. Fehlendes Verständnis wird schneller sehr viel Code, den niemand versteht.
Wo es gefährlich wird
Besonders bei sicherheitskritischer Software, bei Administrationsoberflächen und bei allem, was Konfiguration, Rechte oder Vertrauensketten steuert, sehe ich fünf Risiken:
- Fehlende Reviews: Wenn generierter Code nie von jemandem gelesen wird, der das Fachgebiet kennt, hat niemand geprüft, ob er das Richtige tut. Er tut nur etwas, das richtig aussieht.
- Sicherheit nach Demo: Was in der Demo funktioniert, ist der Normalfall. Angriffe, Fehlkonfigurationen und Grenzfälle kommen in Demos nicht vor.
- Audit und Compliance: In regulierten Umgebungen reicht es nicht, dass etwas funktioniert. Man muss nachweisen können, warum, wie und wer es geprüft hat.
- Wartbarkeit: Code, den niemand im Team versteht, wird beim ersten Produktionsfehler zum Problem. Dann sucht jemand nachts in Tausenden generierten Zeilen.
- Verantwortung: Wenn nach dem Go-live etwas schiefgeht, muss ein Mensch dafür geradestehen. Der Agent kann das nicht.
Die Paritätsfalle
Der häufigste Denkfehler, den ich sehe, lautet: Das neue System kann ja schon 80 Prozent von dem, was das alte kann.
Die ersten 80 Prozent sind die sichtbaren Funktionen. Die restlichen 20 Prozent sind genau die Sonderfälle, Fixes und Eigenheiten von oben, und in ihnen steckt oft der größte Teil des eigentlichen Werts. Das merkt man meist erst, wenn das alte System abgeschaltet ist und die ersten Kunden anrufen.
Was ich Entscheidern raten würde
Ein gewachsenes System mit KI-Unterstützung abzulösen, kann sinnvoll sein. Dann aber so:
- Die Menschen einbinden, die das alte System kennen, statt sie zu umgehen. Ihr Wissen ist die Spezifikation, die es nirgends schriftlich gibt.
- Paritätstests gegen das Altsystem fahren: gleiche Eingaben, gleiche Ergebnisse, automatisiert.
- Einen Schattenbetrieb einplanen: Das neue System läuft mit, ohne schon zu entscheiden.
- Security- und Architektur-Reviews durch Fachleute machen lassen, nicht durch denselben Agenten, der den Code geschrieben hat.
- Schrittweise migrieren, nicht per Stichtag.
Die stärkste Kombination ist heute nicht „Agenten statt Entwickler“. Es sind erfahrene Entwickler mit Agenten. Wer das eine gegen das andere tauscht, spart kurzfristig Kosten und kauft sich langfristig Risiko ein.
Ein Wort zu Teams
Software entsteht immer noch durch Menschen, die Verantwortung übernehmen. Teams, die unter Zeitdruck liefern, Abende und Wochenenden investieren und ein System über Jahre stabil halten, merken sehr genau, ob diese Arbeit gesehen wird. Wertschätzung kostet nichts. Ihr Fehlen kostet am Ende genau das Wissen, das man beim nächsten Umbau dringend gebraucht hätte.
Fazit
KI-Agenten verändern die Softwareentwicklung grundlegend, und wer das ignoriert, macht einen Fehler. Aber sie verschieben die Arbeit, statt sie zu ersetzen: weg vom Tippen, hin zu Verstehen, Prüfen und Verantworten.
Ein altes System neu zu schreiben, geht mit Agenten schneller als je zuvor. Es richtig zu ersetzen, braucht immer noch Menschen, die wissen, was das alte System eigentlich alles getan hat.















Neueste Kommentare